求华为内推

1. 自我介绍2. Transformer 里 Attention 的本质是什么，为什么它适合 Agent 场景Attention 本质上是在做动态加权的信息选择，模型不是把所有上下文平均看，而是根据当前 query 去分配不同 token 的影响力。它的优势在于能处理长距离依赖，并且支持内容寻址，这对 Agent 场景很关键，因为 Agent 经常要从长历史、工具返回和外部知识里挑出当前最有用的信息。真正落地时，Attention 的问题不在“能不能看远”，而在“看得太多以后会不会被噪声拖偏”。3. 在多轮对话 Agent 中，Attention 的局限性体现在哪些方面局限性主要体现在三个地...

timeline3.9投递3.19一面3.31二面4.1告知二面通过免三面4.2hr面4.3oc人生第一次面试就是字节，没想到最后竟然能oc。（ 免三面真的很意外😳）

L1-1 一行代码 题意：签到（请输出文本） print("Building the Future, One Line of Code at a Time.")  L1-2 要刷多少题 题意：输出  n=int(input()) print(n*15)  L1-3 就挺突然的 题意：给定两个年份  和年份 ，先计算  并输出，再根据其是否 、 或在  之间分别输出对应提示语。 void solve(){ int a,b;cin>>a>>b; int d=b-a; cout<<d<<endl; if(d<=0){ cout...